Incorporação de indicadores categóricos ordinais em modelos de equações estruturais
A modelagem de equações estruturais é uma técnica estatística multivariada que permite analisar variáveis que não podem ser medidas diretamente, mas que podem ser estimadas através de indicadores. Dado o poder que esta técnica tem em acomodar diversas situações em um único modelo, sua aplicação vem...
| Author: | |
|---|---|
| Format: | master thesis |
| Status: | Published version |
| Publication Date: | 2010 |
| Country: | Brasil |
| Institution: | Universidade de São Paulo (USP) |
| Repository: | Biblioteca Digital de Teses e Dissertações da USP |
| Language: | Portuguese |
| OAI Identifier: | oai:teses.usp.br:tde-09022011-110229 |
| Online Access: | http://www.teses.usp.br/teses/disponiveis/45/45133/tde-09022011-110229/ |
| Access Level: | Open access |
| Keyword: | Biserial Correlation Correlação Biserial Correlação Policórica Correlação Poliserial Correlação Tetracórica Modelagem de Equações Estruturais Poliserial Correlation Polychoric Correlation Structural Equation Modeling Tetrachoric Correlation |
| Summary: | A modelagem de equações estruturais é uma técnica estatística multivariada que permite analisar variáveis que não podem ser medidas diretamente, mas que podem ser estimadas através de indicadores. Dado o poder que esta técnica tem em acomodar diversas situações em um único modelo, sua aplicação vem crescendo nas diversas áreas do conhecimento. Diante disto, este trabalho teve por objetivo avaliar a incorporação de indicadores categóricos ordinais em modelos de equações estruturais, fazendo um resumo dos principais procedimentos teóricos e subjetivos presentes no processo de estimação de um modelo, avaliando as suposições violadas quando indicadores ordinais são utilizados para estimar variáveis latentes e criando diretrizes que devem ser seguidas para a correta estimação dos parâmetros do modelo. Mostramos que as correlações especiais (correlação tetracórica, correlação policórica, correlação biserial e correlação poliserial) são as melhores escolhas como medida de associação entre indicadores, que estimam com maior precisão a correlação entre duas variáveis, em comparação à correlação de Pearson, e que são robustas a desvios de simetria e curtose. Por fim aplicamos os conceitos apresentados ao longo deste estudo a dois modelos hipotéticos com o objetivo de avaliar as diferenças entre os parâmetros estimados quando um modelo é ajustado utilizando a matriz de correlações especiais em substituição à matriz de correlação de Pearson. |
|---|